Pandas DataFrame中float列除datetime.time列的实现方法
问题解决实现方案
1. 先修正复现数据的构造报错
你之前用astype转换datetime.time类型触发报错,是因为pandas不支持直接将原生Python的datetime.time作为合法dtype用astype转换。要构造和业务场景完全一致的测试数据,正确写法是直接将datetime.time对象存入DataFrame:
import pandas as pd import datetime data = { "Name": ["Bob", "Jane", "Mike"], "TimeWorked": [ datetime.time(0, 55, 44), datetime.time(1, 21, 10), datetime.time(0, 10, 14) ], "TimeOff": [20.4, 5.0, None] } df = pd.DataFrame(data)
2. 核心计算逻辑
直接做除法报错的根源是:TimeWorked是时分秒结构的datetime.time对象,属于时间结构体,不是可运算的数值;而TimeOff是单位为秒的浮点数值,二者计算单位不统一,无法直接做除法。
计算前需要先把TimeWorked换算成和TimeOff一致的累计总秒数,换算逻辑为:
- 总秒数 = 小时数 * 3600 + 分钟数 * 60 + 秒数
对应的计算代码:
# 将TimeWorked的时分秒结构转换为累计秒数 df["tw_sec"] = df["TimeWorked"].apply( lambda t: t.hour * 3600 + t.minute * 60 + t.second ) # 计算休假占比,TimeOff自带的空值会自动对应生成空值,无需额外判断 df["%Off"] = df["TimeOff"] / df["tw_sec"] # 删除不需要的中间列 df = df.drop(columns=["tw_sec"])
计算效果验证
代入示例数据的计算结果完全匹配需求:
- Bob的工作时长累计秒数为 03600 +5560 +44 = 3344秒,%Off = 20.4 / 3344 ≈ 0.0061
- Jane的工作时长累计秒数为13600 +2160 +10 = 4870秒,%Off =5.0 /4870 ≈0.0010
- Mike的TimeOff为空值,%Off自动返回空值(NaN)
内容的提问来源于stack exchange,提问作者Jerry Stackhouse
相关产品推荐
相关产品推荐

